报告题目：面向语义理解的视觉表示学习

报告人：李泽超

单位：南京理工大学

报告时间：2016年12月26日（周一）上午10:00-11:30

报告地点：逸夫楼508会议室

报告人简介：李泽超，南京理工大学计算机科学与工程学院副教授。分别于2008年和2013年毕业于中国科学技术大学和中国科学院自动化研究所。研究兴趣主要是多媒体内容分析与理解，数据挖掘以及机器学习等。相关研究成果在国际期刊和会议发表论文50余篇，如国际知名期刊IEEE TPAMI、TIP、TMM、TKDE等，以及CCF-A类国际会议ACM Multimedia、AAAI、CVPR等。获得2015年中国科学院优秀博士论文奖、2015年中国计算机学会优秀博士论文奖、2013年中国科学院院长奖、IEEE MMSP 2015 Top 10%论文奖等多项荣誉称号。

报告摘要：随着大数据时代的来临，我们生活在一个高维度数据的海洋之中，尤其是图像视频数据。为了提高数据处理的效率和性能，有效的数据表示以及度量变得尤为重要。为此，我们重点研究了面向语义理解的视觉表示。研究了如何从原始视觉特征中选择出最能反映数据本质的特征表示，提出了多种特征选择方法，挖掘数据潜在结构以及特征之间的信息冗余，去除噪声特征以及抑制冗余特征。另一方面，视觉数据一般采用底层特征描述，与高层语义之间存在所谓的“语义鸿沟”。充分挖掘视觉数据的潜在结构，为其学习一个紧致的数据表示，建立底层特征与高层语义之间的语义映射，将能缩小“语义鸿沟”，有效地改进视觉内容分析与理解。

百富策略bfball手机版